operando bajo óptimas condiciones (motor sano). La efectividad, por estado de condición del motor analizado, se obtiene a través del cálculo del índice de tasa de detección de fallas (FDR por su abreviatura en inglés, Fault Detection Rate) al dividir el número de clasificaciones correctas entre el número total de muestras (32 muestras totales por estado de condición). Clase objetivo C la se de salida Matriz de confusión 31 24.2% 0 0.0% 1 0.8% 0 0.0% 96.9% 3.1% 0 0.0% 26 20.3% 6 4.7% 0 0.0% 81.3% 18.8% 0 0.0% 0 0.0% 31 24.2% 1 0.8% 96.9% 3.1% 2 1.6% 0 0.0% 0 0.0% 30 23.4% 93.8% 6.3% 93.9% 6.1% 100% 0.0% 81.6% 18.4% 96.8% 3.2% 92.2% 7.8% (a) (b) Figura 50. Resultados de clasificación de la metodología propuesta obtenidos para señales de flujo magnético de dispersión (a) Regiones de decisión resultantes modeladas por el clasificador basado en la red neuronal artificial propuesto sobre el espacio bidimensional; (b) Eficacia de clasificación (autoría propia). 6.3 Aplicación de la metodología propuesta para el diagnóstico automático de fallo gradual de pista exterior en rodamientos. 6.3.1Motivación del caso de estudio Como se ha revisado en secciones anteriores de este trabajo, los motores de inducción han sido ampliamente utilizados, principalmente debido a sus bondadosas características al ser máquinas de bajo costo, fáciles de mantener, altamente resistentes y fáciles de controlar. Sin embargo, a pesar de su elevada robustez, este tipo de máquinas son susceptibles de fallas debidas principalmente a condiciones inherentes de operación, ya que son sometidas a esfuerzos mecánicos inevitables. Así entonces, los motores de inducción son propensos a sufrir fallas en etapas tempranas (es decir, cuando la falla está comenzando a desarrollarse), principalmente debido a circunstancias operativas inherentes, como tensiones térmicas, eléctricas, mecánicas o ambientales. Algunos estudios han demostrado que la mayoría de las fallas de los motores eléctricos se pueden atribuir a los cojinetes/rodamientos y devanados, siendo aproximadamente el 69 % de la tasa total de fallas relacionadas con los cojinetes (Bonnett et al., 2008). Las fallas más comunes relacionadas con los rodamientos generalmente se deben a cargas excesivas, lubricación insuficiente, contaminación externa, instalación incorrecta y arco eléctrico. Esta situación puede conducir a un rendimiento inaceptable y vibraciones indeseables con una falla inminente o defectos de componentes individuales, como elemento rodante, pista interior y pista exterior. Además, la presencia de fallas en etapas tempranas puede provocar interrupciones inesperadas y pérdidas de producción (Saucedo-Dorantes et al., 2016). De acuerdo con Oliver et al. (2017), el desgaste en la pista exterior es una de las causas más comunes de fallas en los rodamientos, debido principalmente a arcos eléctricos que son generados por corrientes parásitas, y que recientemente se han incrementado desde la llegada de los variadores de frecuencia (VFD) como se explica en la sección 2.2.1 del presente trabajo. Así entonces, diversos son los trabajos que se han reportado en la literatura con el fin de generar un diagnóstico oportuno de fallos en las diferentes partes de los rodamientos de bolas (pista exterior, pista interior, elementos rodantes, caja). Para ello, estos trabajos se han valido de la información proporcionada por diversas magnitudes físicas capturadas a partir del motor bajo análisis. Dentro de las más empleadas para este tipo de fallos que se consideran de origen mecánico se ha empleado el análisis de señales de vibración, corrientes de alimentación, estatórica, y recientemente señales de flujo dispersión, algunos de ellos bajo esquemas clásicos de detección (por ejemplo, mediante el análisis de firma de corriente del motor MCSA), como se discute a continuación. , como se describe en (Delgado-Arredondo et al., 2015). Este mapa t-f permitió diferenciar entre un rodamiento sano y una pista exterior con una falla que tenía un diámetro de orificio de 1,191 mm. Sin embargo, en términos prácticos existe un inconveniente principal en este tipo de enfoques ya que las representaciones de las vibraciones mediante mapas tiempo-frecuencia suelen no ser claras, siendo además borrosas debido a las señales ruidosas, hecho que compromete el diagnóstico final y puede generar falsas indicaciones no deseadas. Además, algunas herramientas de descomposición tiempo-frecuencia de alta resolución como MUSIC demandan una gran cantidad de tiempo y recursos computacionales para obtener un mapa multidimensional, situación que complica su aplicación a esquemas en línea (Zamudio-Ramirez, Osornio-Rios, et al., 2022). Alternativamente, algunos autores han propuesto el estudio de las señales de corriente (Saucedo-Dorantes et al., 2016). El análisis de corrientes resulta ser una técnica no invasiva en la que los efectos vibratorios de fallas en rodamientos son reflejados y observados como la amplificación de frecuencias eléctricas (Bellini, et al., 2008). Por otra parte, el análisis de señales de corriente para el diagnóstico de fallas en motores eléctricos puede generar diagnósticos falsos debido a oscilaciones de par bajo de carga, conductos de aire axiales del rotor, anisotropía magnética, entre otros (Lee et al., 2020). En este sentido, algunos autores han adoptado el análisis de señales de flujo magnético debido a las excelentes características y ventajas de esta técnica, como la naturaleza no invasiva, el bajo costo requerido de sensores, mayor eficiencia y confiabilidad en los casos en que los enfoques convencionales producen indicaciones falsas (Frosini et al., 2015; Vitek et al., 2011) Los métodos típicos basados en el análisis de señales de flujo magnético se basan en la identificación y cuantificación de la magnitud de frecuencias específicas relacionadas con fallas en el espectro de Fourier. Por ejemplo, 121 Vitek et al. (2011) evaluó la diferencia de amplitud a frecuencias específicas usando la FFT para la identificación de una falla en la pista interna de 6 mm. No obstante, como se indica en el trabajo de Vitek et al. (2011), las amplitudes de dichos componentes son muy bajas, lo que ciertamente hace que el diagnóstico sea una tarea desafiante, ya que además las frecuencias de interés suelen ser de baja amplitud, y a veces cercanas a la amplitud del nivel del ruido. Como se discute en los párrafos anteriores, a pesar de ser una falla muy frecuente (especialmente con la llegada de VFD), las fallas de la pista exterior en rodamientos de bolas han sido estudiadas en etapas muy avanzadas, especialmente debido a que las señales obtenidas, y que son relacionadas con la falla, son generalmente de baja amplitud, siendo inclusive imperceptibles de distinguir para fallas incipientes. Esto dificulta la detección de fallas que comienzan a desarrollarse convirtiendo el diagnóstico en una tarea desafiante. Por otro lado, se sabe que algunas de las metodologías propuestas hasta el momento (principalmente aquellas basadas en la evaluación de amplitudes de frecuencias específicas) requieren el conocimiento de ciertas características de los rodamientos bajo análisis. Esta información, en términos prácticos (en muchas de las ocasiones) es muy complicado obtener, ya que por lo general se obtiene a partir de información proporcionada por el fabricante mediante contacto directo con el (que no siempre se encuentra disponible), o se requiere desmontar una muestra a partir del motor bajo análisis. Además